InfoAI Decision Brief

當 AI 從回答問題變成持續替人工作，企業衡量 AI 成本的方式可能也要改變：不只問「一席多少錢」，還要開始計算「完成一件工作到底多少錢」。

個人 AI Agent 新創 Instinct 還沒有全面開放，就已經碰到一個很現實的問題：算力容量可能不夠用了。

根據 The Information 報導，Instinct 已多次向使用者顯示容量已滿、回應可能較慢的訊息。報導並指出，公司上個月才完成 2.5 億美元融資，創辦人 Noah Shinn 已與潛在投資人討論另一輪最高約 10 億美元的募資。

使用者規模、新一輪募資與可能估值主要來自知情人士，目前不能把這些資訊直接解讀成「Instinct 因為算力不足，所以需要再次募資」。

但 Instinct 提前暴露了一個更值得企業注意的問題：

當 AI 從回答問題變成持續替人工作，我們還能用「一個使用者多少錢」來理解 AI 的成本嗎？

答案可能愈來愈不完整。

一個使用者，不再代表一種工作量

企業已經非常習慣 SaaS 的計價方式。

一個員工需要使用 CRM，就買一席；100 名員工使用，就買 100 席。

生成式 AI 普及後，又多了一種大家逐漸熟悉的衡量方式：Token。

企業開始比較不同模型每百萬 Token 的價格，也開始估算一個月大約會消耗多少 Token。

但 Agent 可能讓這兩種衡量方式都變得不夠完整。

想像兩名員工都各自擁有一席 AI Agent。

第一個人每天只讓 Agent 整理幾封 Email、搜尋幾筆資料。

第二個人則要求 Agent 研究 20 家競爭者，瀏覽大量網頁、操作瀏覽器、呼叫不同工具、保存 Context、整理資料、驗證結果，遇到失敗後重新嘗試，最後交付一份完整的競爭情報報告。

從 Seat 來看，他們都是一名使用者。

但背後真正消耗的 AI 工作量，可能完全不同。

這並不是說傳統 SaaS 沒有變動成本。雲端運算、儲存、API 與網路流量本來都會隨使用量增加。

差別在於，當 AI Agent 開始真正替人執行工作，使用者數量對實際 Workload 的解釋力可能下降。

AI 的產品承諾正在從「回答」變成「完成」

這也是 OpenAI 最近推出 Agents API 值得注意的地方。

OpenAI 把支撐 Codex 與 ChatGPT Work 的部分 Agent 基礎設施能力開放給開發者，讓 Agent 可以處理長時間任務、管理 Context、使用工具、平行分工，並在工作中斷後恢復執行。

真正的變化不只是多了一個 API。

而是 AI 的產品承諾正在改變。

過去，我們主要要求 AI：

回答這個問題。

現在則開始要求：

把這件工作完成。

這兩件事的成本結構不完全相同。

一個 Agent 為了完成工作，可能需要持續推論、維持 Context、操作工具、執行程式、保存資料、重試失敗步驟，甚至呼叫其他 Agent 協助。

因此，Agent 愈能替使用者完成複雜工作，需要執行的工作量也可能愈大。

這不代表 Agent 愈好用，單位經濟一定愈差。

模型效率、快取技術、硬體成本下降、任務路由、小模型與系統架構最佳化，都可能把成本重新壓下來。

但這也意味著，Agent Economics 不能只看使用者有多少，還要看每個使用者到底讓 Agent 做了多少工作。

成本競爭正在往模型底層移動

DeepSeek 最近推出的 V4.1-Flash，提供了另一個值得觀察的訊號。

根據 DeepSeek 官方公布的資料，新模型架構所需的 KV Cache HBM 約為上一代的四分之一，SSD 儲存需求則降至約八分之一。

這些數字目前仍屬 DeepSeek 的官方說法，實際效能與成本優勢仍需要第三方測試。

但它反映的方向很重要。

當 Agent 需要維持更長的 Context、處理更長時間的工作，模型公司競爭的就不只是：

每百萬 Token 多少錢？

還包括：

完成這些工作到底占用了多少記憶體、算力與基礎設施？

也就是說，一邊是 Agent 能做的工作愈來愈多，另一邊則是模型與基礎設施持續降低每單位工作的資源消耗。

未來 Agent 的經濟性，很可能取決於這兩股力量誰下降得更快：

工作量增加的速度，與單位工作成本下降的速度。

企業可能需要增加一個新指標

這也是 Instinct 這個案例對企業真正有價值的地方。

它不是證明 Agent 商業模式出了問題，而是提醒企業：Seat 可能不再是理解 Agent 經濟性的完整單位。

假設一家企業準備部署 AI Agent。

現在最容易問的是：

但企業可能還需要增加另一個問題：

可以是：

完成一份競爭情報報告多少錢？

處理一張客服工單多少錢？

完成一次程式碼修復多少錢？

整理一張採購單多少錢？

完成一次潛在客戶研究多少錢？

這就是 Cost per Completed Task，單一完成任務成本。

它不是目前 AI 產業已經建立的統一 KPI，而是一個企業值得開始追蹤的管理指標。

而且只算成本還不夠。

企業至少還需要一起觀察另外兩件事：

Completion Rate，任務完成率。

100 次交給 Agent 的工作，有多少次真的達到可以接受的結果，而不是最後仍需要人重新做一次？

以及：

Value per Completed Task，單一完成任務價值。

Agent 完成這件工作之後，到底節省多少人工時間、降低多少成本，或產生多少商業價值？

這三個數字放在一起，才開始接近 Agent 真正的 ROI。

AI 採購的單位可能正在改變

這件事還可能帶來另一個影響。

今天大量企業軟體仍然按照使用者席次收費。

但當 Agent 可以替一名員工完成愈來愈多工作，「有多少人使用軟體」與「軟體實際完成多少工作」之間的關係可能開始鬆動。

對供應商而言，如果不同使用者帶來的 Agent Workload 差距愈來愈大，單純的固定席次或不限量使用，也可能增加定價壓力。

未來是否會因此出現更多按使用量、工作量、任務或成果計價的模式，目前還不能下結論。

但企業現在就可以先改變一件事：

不要只統計買了多少 AI 席次。

開始挑出幾項真正交給 Agent 的工作，計算它完成一次需要多少成本、成功率多少，以及完成後創造多少價值。

因為當 AI 從回答問題變成替人工作，企業真正需要知道的，也會從：

逐漸增加另一個問題：

這可能才是 Agent Economics 真正開始的地方。

作者＝InfoAI 編輯部

你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。

訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。

InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

AI 協作與人工編輯聲明

本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。

你不需要讀完所有 AI 新聞，你需要知道的是：

有哪些變化值得注意，可能會如何影響你的產業、工作與決策。